基于情感语义增强编解码的神经机器翻译方法

针对目前神经机器翻译模型仅依赖平行语料训练而无法充分挖掘深层语言知识的问题,提出一种基于情感语义增强编解码的神经机器翻译方法,旨在通过引入额外的情感语义,提高模型对语言深层次信息的理解能力。首先,利用word2vec技术获取语料中所有单词的词嵌入,将其输入到一个融合模型中进行训练。该融合模型结合了基于GRU和文档嵌入的机制,以获取单词级别和文档级别的情感语义表征;其次,在情感融合阶段,采用加权公式将单词级别和文档级别的情感语义有机地融合,形成更为综合的情感语义表征;最后,将此表征与上下文语义表征按位相加,以全面引入情感信息,并将其作为输入传递到机器翻译模型的编码器和解码器中。在多个基准数据集上的实验显示,相较于传统的Transformer模型,该方法在IWSLT数据集上性能显著提升,BLEU值增加1.3至1.62。在WMT数据集上也取得良好性能,证实了融合情感语义在机器翻译中的有效性。

EVRC语音编解码算法的研究及实现

介绍了一种广泛应用于码分多址(CDMA)系统中的EVRC(增强型变速率编解码)原理,着重分析了该算法的关键技术:噪声抑制、参数估计、速率判决等,并对该算法进行了浮点C代码仿真。仿真结果表明,EVRC算法能在较低的平均编码速率下获得高质量的合成语音。

EVRC速率判决算法及DSP的实现

速率判决算法是变速率语音编码中最关键的技术之一,首先详细介绍了增强型变速率编解码(EVRC)速率判决的算法,然后具体阐述了如何在TMS320C54X系列的DSP上实现该算法。